Are compact groups hostile towards faint galaxies?
Notice bibliographique
Résumé
Aims. The goal of this work is to understand whether the extreme environment of compact groups (CGs) can affect the distribution and abundance of faint galaxies around them. Methods. We performed an analysis of the faint galaxy population in the vicinity of compact and normal groups. We built a light-cone mock galaxy catalogue constructed from the Millennium Run Simulation II plus a semi-analytical model of galaxy formation. We identified a sample of CGs in the mock catalogue as well as a control sample of normal galaxy groups and computed the projected number density profiles of faint galaxies around the first and the second ranked galaxies. We also compared the profiles obtained from the semi-analytical galaxies in CGs with those obtained from observational data. In addition, we investigated whether the ranking or the luminosity of a galaxy is the most important parameter in the determination of the centre around which the clustering of faint galaxies occurs. Results. There is no particular influence of the extreme compact group (CG) environment on the number of faint galaxies in such groups compared to control groups. When selecting normal groups with separations between the first and second ranked galaxies similar to what is observed in CGs, the faint galaxy projected number density profiles in CGs and normal groups are similar in shape and height. We observed a similar behaviour of the population of faint galaxies in observations and simulations in the regions closer to the first and second ranked galaxies. Finally, we find that the projected density of faint galaxies is higher around luminous galaxies, regardless of the ranking in the CG. Conclusions. The semi-analytical approach shows that CGs and their surroundings do not represent a hostile enough environment to make faint galaxies behave differently than in normal groups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».